恩和科技发布全球首个生物制造Physical AI平台SAION AI
恩和科技用自研BPL语言打通AI与自动化设备，实现从文献阅读到实验执行的全自动闭环，编译通过率98.6%。
恩和科技推出BPL实验编程语言和SAION AI平台，将生物实验方案转化为标准化代码，自动仿真并修复错误，编译通过率达98.6%，使AI能够自主完成从文献阅读到实验执行的全自动闭环。
正文摘录
它甚至开始参与科学研究：阅读论文、提出假设、分析实验数据，甚至帮科学家设计下一步实验方案。 毕竟，在生物实验室里，操作移液器、记录温度、转移培养皿……这些看似简单的动作，背后都有极高的精度要求。 前段时间，被称为 Anthropic “史上最强”模型 Claude Fable 5，上线后因风险问题被紧急叫停。 有时，它确实能告诉你「应该怎么做」，但大多时候它却未必真的知道「实验到底发生了什么」。 我看了下作者单位，均来自 Bota Biosciences （恩和科技），一家 中国生物制造公司 。 同一个实验，不同实验员操作习惯不同；同一种设备，不同厂家接口格式不同；同一份实验记录，不同团队的数据结构也完全不同。 BioCoder、Autoprotocol、Antha、LabOP 等标准化方案格式相继出现。 一是自动生成能力不足，方案泛化性差，相关脚本、配置需科研人员手动编写，开发周期冗长； 恩和科技 AI 与 Computation 总监 Alex Song 说了一个非常现实的问题。 很多 顶刊论文 ，即使发表在 Nature、Science 上，别人 想复现实验，依然困难 。 恩和过去造 AI，大模型生成的也是自然语言。那么如何与实验室里的自动化设备进行交互？中间就必须有「翻译」的过程。 写过程序的人都知道，代码正式运行前要先编译。编译器会检查语法错误、逻辑错误和运行风险。 在实验开始之前，它会先完成一轮 软件层面的实验「仿真」 ：检查单位是否正确、试剂是否存在、容器容量是否超限、步骤之间是否存在逻辑冲突。 发现错误-自动修复-继续检查-继续修复 ，直至代码通过编译与仿真校验，系统才会将合规指令同步至实验室，启动实体实验。 整个逻辑很像 Claude Code、Cursor。只是写的不是软件代码，而是实验代码。